Data Scientist: explicación y diferencias entre Funciones de Error con Python
Este es el primero de una serie de artículos en los que voy a exponer las funciones de error más usadas en el mundo de Data Scientist. Aquí vamos a ver las funciones de error usadas en algoritmos de regresión. El indice es el siguiente:
- Introducción.
- Explicación teórica y práctica de los distintos Errores creando nuestras propias funciones de error en Python.
- Conclusiones.
1. Introducción
Los algoritmos más utilizados en el mundo de Data Scientist principalmente suelen ser de dos tipos, clasificación y regresión, aunque hay muchos más, si aun no conoces todos los que hay, te recomiendo este artículo.
Estos algoritmos siempre predicen una categoría (clasificación) o un número (regresión). Por ejemplo cuando nos dicen “este año el P.I.B caerá un 11%, o las ventas de coches aumentaran en un 21%, o aplicaciones que te dicen el precio que debería tener una vivienda en Madrid. Cuando nosotros hacemos este tipo de predicciones necesitamos saber si esta predicción es correcta o no, por lo que al entrenar el algoritmo comparamos nuestros resultados predichos, con los resultados reales, esto se hace usando funciones de error y después ajustamos los parámetros (las Betas) para obtener el…
